Decision Support

System Concepts
Rizky Hamdani (1201170254)
Muhammad Ferdian (1201173263)
Mochamad Valiant Dhiyaulhaq (1201174413)
Muhammad Thoriq (1201170312
Model Data Envelopment Analysis
(DEA)
 Data Envelopment Analysis (DEA) diperkenalkan oleh
Charnes, Cooper, dan Rhodes. Metode ini merupakan salah
satualat bantu evaluasi untuk meneliti kinerja dari suatu
aktifitas dalam sebuah unit entitas. Nugroho dan Erwinta
(2006) mengemukakan DEA adalah sebuah teknik

Konsep dasar pemrograman matematis yang digunakan untuk

mengevaluasi efisiensi relative dari suatu kumpulan unit-
unit pembuat keputusan (decision making unit/DMU)
dalam mengelola sumber daya (input) dengan jenis yang
sama sehingga menjadi hasil (output) dengan jenis yang
sama pula, dimana hubungan bentuk fungsi dari input ke
output diketahui.
 ● Melakukan penentuan DMU (Decision Making Unit)
● Menentukan variabel input dan output
● Melakukan analisis untuk memperoleh nilai efisiensi relative. Terdapat 2 model yang
sering digunakan, yakni Constant Return to Scale (CRS) dan Charnes-Cooper-Rhodes
(CCR) Super Efficiency
● DEA model CRS (Constant Return to Scale) dikenal juga dengan nama DEA model
CCR (Charnes-Cooper-Rhodes). Pada model ini diperkenalkan suatu ukuran efisiensi

Tahapan
untuk masing-masing DMU yang merupakan rasio maksimum antara output yang
terbobot dengan input yang terbobot. Masing-masing nilai bobot yang digunakan dalam
rasio tersebut ditentukan dengan batasan bahwa rasio yang sama untuk tiap DMU harus

penyelesaian ●
memiliki nilai yang kurang dari atau sama dengan satu.
Untuk DEA model CCR Super Efisiensi,pada prinsipnya memiliki persamaan matematika
yang sama seperti persamaan yang digunakan dalam DEA model CRS. Hanya saja yang
menjadi pembeda adalah pada batasan kendala DMU ke-j yang ditunjukkan oleh
persamaan (2), dimana pada DEA model CCR Super Efisiensi, tidak disertakan batasan
kendala untuk DMU yang diukur, sehingga nilai efisiensi relatif dari DMU yang diukur
tersebut nantinya dapat melebihi skala 1,0000. Dengan mengetahui nilai efisiensi dari
masing-masing DMU, maka selanjutnya dapat dilakukan pemeringkatan DMU
berdasarkan nilai efisiensinya.
Contoh implementasi
 DEA adalah sebuah teknik pemrograman matematis berdasarkan pada linier programming
yang digunakan untuk mengevaluasi efisiensi dari suatu unit pengambilan keputusan (unit kerja)
yang bertanggung jawab menggunakan sejumlah input untuk memperoleh suatu output yang
ditargetkan
Secara sederhana, pengukuran ini dinyatakan dengan rasio: output/input, yang merupakan
suatu pengukuran efisiensi atau produktivitas
Dalam pengukuran efisiensi dengan menggunakan DEA terdapat dua model yang sering
digunakan, yaitu Constant Return to Scale (CRS) dan Variable Return to Scale (VRS).
Penelitian ini menggunakan model DEA CCR primal inputoriented, dimana model ini
bertujuan untuk mengurangi jumlah input yang digunakan agar dapat mendapatkan hasil output
pada tingkat yang sama melalui metode constant return to scale (CSR). Alasan penggunaan metode
ini adalah untuk melihat dampak dari perubahan nilai yang dilakukan terhadap input perusahaan
untuk mendapatkan hasil output dengan nilai yang sama
 Pengolahan data input dan output dilakukan oleh peneliti dengan memberikan bobot
terhadap input dan output tersebut menggunakan instrumen berupa add-in solver pada software
microsoft excel yang menggunakan model DEA CCR primal dengan memaksimalkan fungsi
objektif berbasis input-oriented. Pengolahan data input untuk setiap DMU AUTO2000 Jawa Timur
dimulai dengan memberikan pembobotan untuk setiap input dan output per tahunnya, mulai pada
tahun 2014, 2015, dan 2016. Nilai pembobotan tersebut merupakan besarnya kontribusi terhadap
keefisiensian DMU. Nilai bobot tersebut kemudian dikali dengan nilai data input per DMU yang
selanjutnya diproses lagi dengan menggunakan formula DEA CCR primal agar didapatkan nilai
skala efisiensinya
Setelah mendapatkan perbandingan skala efisiensi dan besar kecilnya pengaruh kontribusi dari input terhadap efisiensi, selanjutnya akan diberikan analisis perbaikan terhadap setiap DMU per
tahun agar didapatkan DMU dengan skala efisiensi yang efisien.

Hasil dari analisis penelitian ini menghasilkan beberapa kesimpulan yang dapat ditarik dalam penelitian ini sebagai berikut: 1. Faktor input karyawan sales, karyawan servis, dan kapasitas servis
memiliki kontribusi terhadap efisiensi semua DMU di Jawa Timur dengan rentang 0.1% sampai dengan 6.25%.
Software
 Menurut Barr (2004) dalam (Ishizaka & Nemery, 2013), terdapat beberapa paket software DEA
yang telah dikembangkan, sebagai berikut :

Software Data ● DEAP (free)

Envelopment
● Win4DEAP (free)
● Benchmarking package in R (free)
● Efficiency Measurement System (free)

Analysis (DEA) ●
●
DEA Solver Online (free)
DEAFrontier (berbayar)
● DEA-Solver PRO (berbayar)
● PIM-DEA (berbayar)
Membangun Software yang digunakan adalah Win4DEAP, tahap-tahapnya adalah sebagai berikut :

spreadsheet di
1. Buka software Win4DEAP
2. Akan muncul spreadsheet berisikan 1 Decision-Making Unit, 1 output, dan 1 input
3. Untuk mengedit dan memberi nama DMU,output, dan input klik baris dan kolom dari DMU1,

Win4DEAP OUT1, dan IN1.

4. Kemudian Akan Muncul Dialogue Box
Spreadsheet Edit input/output
Membangun 5. Masukan Long name, Label, dan jenis variabel (input/output)

spreadsheet di 6. Dan pengguna bisa ceklis atau tidak tombol “include when calculating the production frontier”

Win4DEAP
 ● Untuk menambah DMU

● Untuk Menambah Variable

Fungsi Icon-Icon ● Untuk menghapus DMU/variable

● Untuk membalik dan mengatur urutan dari DMUS dan Variable

Mengimport Data Data dari Microsoft Excel dapat diimport kedalam Win4DEAP dengan langkah sebagai berikut :

(Excel ke 1. Simpan data Microsoft Excel (hanya angka tanpa nama DMU atau variabel) dalam format
CSV (dipisahkan koma)

Win4DEAP)
2. Di Win4DEAP, pertama pilih menu File, lalu Impor dan terakhir aplikasi new data set
3. Pilih file CSV dan buka
 Untuk jalankan Model DEA, klik ikon Kemudian akan muncul dialogue box/window yang

Menjalankan Model
diisikan sesuai dengan langkah berikut :
1. Pilih orientasi input atau output (kotak Orientasi)
2. Pilih asumsi untuk kotak Return to Scale. Jika memilih constant dianggap CRS dan jika memilih

DEA variable, dianggap VRS. Jika tidak dapat memastikan bahwa DMU beroperasi pada skala yang
optimal, direkomendasikan untuk menjalankan model VRS.
3. Pilih Model yang ada didalam kotak calculate, tiga opsi utama tersedia :
3.1 Untuk menghitung efisiensi teknis (TE) atau teknis (CRS), 'murni' (VRS) dan efisiensi skala
(SE), pilih 'DEA (multi-stage)'. Pilihan 'DEA (1-stage)', 'DEA (2-stage)' dan 'DEA (multi-stage)'
sesuai dengan perlakuan yang berbeda dari slacks. berdasarkan Coelli (1998), 'treatment' multi-
stage lah yang direkomendasikan.
3.2 Untuk menghitung efisiensi biaya, pilih DEA-COST. Untuk opsi ini, informasi biaya tentang
variabel harus tersedia dan ditambahkan ke spreadsheet.
3.3 Untuk menghitung efisiensi teknis dan skala teknis ketika data panel tersedia, pilih
MALMQUIST.
4. Putuskan bagaimana hasil ditampilkan (report box): pilih antara summary tables only atau firm-
by-firm results
5. Click on Execute to run the model
 Setelah menjalankan model, pertama akan muncul pemberitahuan singkat mengenai Timothy Coelli
(Pengenbang DEAP). Hasil akan muncul setelah menutup jendela tersebut. Tabel 10.3 berisikan

Menafsirkan Hasil
daftar singkatan dengan akronim utama digunakan dalam hasil file.

Gambar 10.12 menunjukkan ekstrak dari file hasil dan menampilkan ringkasan efisiensi. Kolom
Software pertama berisi 15 sekolah, kolom kedua menampilkan konstanta skor efisiensi teknis. 11 skor
diuraikan menjadi ukuran efisiensi teknis murni dan ukuran efisiensi skala. kolom terakhir
menunjukkan sifat skala hasil ( IRS berarti UPB menghadapi peningkatan skala hasil, DRS berarti
DMUfaces menurunkan skala hasil dan tanda hubung berarti DMU menghadapi skala hasil konstan.
Tabel 10.3
Gambar 10.12

rata rata skor efisiensi sekolah adalah :

94% untuk CRSTE
97.5% untuk VRSTE
96.4% untuk SE

Semua tabel berikutnya yang ditampilkan di file hasil mengacu pada skor VRSTE.
Gambar 10.13

Gambar 10.13, sekolah 1 memiliki skor efisiensi 95.1% dan skala skor efisiensi 86.9%. itu
mengalamii penurunan skala (DRS). Dengan meningkatkan operasional sekolah sebesar 4.9% input
dapat dihemat, dengan menyesuaikan sekolah ke ukuran optimal. Dengan menyesuaikan sekolah ke
ukuran optimal pada 13.1% input dapat dihemat.
Kolom original berisi nilai asli dari variabel sekolah :
Sekolah 1 mengajar 602 siswa dengan 40.2 gutu, 2 staff dan 7 komputer. Namun sekolah 1 dapat
menghasilkan jumlah keluaran yang sama dengan input yang lebih sedikit yakni 37.186 guru, 1.902
staf dan 35.185 komputer.
Gambar 10.14

Sekolah 2 (Gambar 10.14) memiliki skor efisiensi murni 83.8% dan skala skor efisiensi 96,4%. itu
mengalami peningkatan skala IRS. dengan meningkatkan operasional sekolah 16.2% input dapat
dihemat. Dengan menyesuaikan sekolah ke ukuran optimal 3.6% input dapat dihemat.
Kolom Original Value berisi nilai asli variabel sekolah, mengajar 269 siswa, 18.1 guru dan 1.1 staff
dan 17 komputer. Namun sekolah dapat menghasilkan jumlah output yang sama dengan lebih
sedikit input yakni 15.163 guru, 0.922 staff dan 14.242 komputer.
Gambar 10.15

Sekolah 3 (Gambar 10.15 memiliki skor efisiensi murni 100% dan skala efisiensi 84.2%. itu
mengalami penurunan skala (DRS). Sekolah ini tidak dapat meningkatkan efisiensi murninya. Satu-
satunya kapasitas untuk perbaikan terletak pada penyesuaian skala 15.8% input dapat dihemat.
Kolom Original Value berisi nilai asli sekolah yakni mengajar 648 siswa, 42.5 guru, 2.1 staff dan 41
koputer. nilai ini sama dengan nilai yang diproyeksikan.
Thanks